市場購物籃分析 - 可變數量特徵的單一模型？

Question

我正在使用Apriori構建推薦系統以配合我公司的應用程序。在走下這條路之前，我想向有更多經驗的人證實我正處於正確的軌道上。任何幫助表示讚賞。

讓我試着解釋這個問題。根據應用程序中用戶的上下文，影響建議的功能可能會有所不同。例如，想象一下購物場景。如果我在HEB購物，我通常會有一個預定義的購物清單，所以如果我告訴應用程序我要去HEB，那麼這個清單上的項目將是很好的建議。當我去Home Depot時，我傾向於按部門購物，所以如果我告訴我在家得寶的應用程序，並且正在購買電動工具，那麼電動工具和相關部件是很好的建議。

您會發現在兩種情況下功能的數量有所不同。首先，我的建議完全依賴於商店，而第二個則依賴於我所購物的商店和部門。

我期待使用一個Apriori模型來處理這種情況。這是否被認爲是一種最佳做法，還是有不同的模式會更好？一種是當我們列出商店時，另一種是當我們列出商店和部門時？鑑於Apriori是一種無監督的算法，我認爲它可以用一個模型來完成，但是由於我沒有很多經驗，所以我想仔細檢查一下。

Answer 1

在我看來，你似乎在談論多級關聯規則。這是從aggregate功能的指南頁arules：

支持項目層次

說明：

通常一個項目層次可以用於 關聯規則挖掘的數據集。例如，在超市數據集 中，諸如「麪包」和「小獵犬」的項目可能屬於項目組 （類別）「烘焙食品」。

我猜更高層次的類別是你的部門和商店。這將能夠找到項目，部門和商店之間的關聯。